educoder 机器学习之随机森林算法

最新推荐文章于 2025-03-18 19:51:27 发布

木右加木

最新推荐文章于 2025-03-18 19:51:27 发布

阅读量1.4k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： educoder 文章标签：机器学习算法随机森林

本文链接：https://blog.youkuaiyun.com/VDingLinlin/article/details/121856089

本文深入探讨了机器学习中的随机森林算法，包括Bagging基础和随机森林的详细流程。通过实例，展示了如何使用随机森林进行手写数字识别，加深了对算法的理解和应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第1关：Bagging

import numpy as np
from collections import Counter
from sklearn.tree import DecisionTreeClassifier
class BaggingClassifier():
    def __init__(self, n_model=10):
        '''
        初始化函数
        '''
        #分类器的数量，默认为10
        self.n_model = n_model
        #用于保存模型的列表，训练好分类器后将对象append进去即可
        self.models = []
    def fit(self, feature, label):
        '''
        训练模型
        :param feature: 训练数据集所有特征组成的ndarray
        :param label:训练数据集中所有标签组成的ndarray
        :return: None
        '''
        #************* Begin ************#
        for i in range(self.n_model):
            m = len(feature)
            index = np.random.choice(m, m)
            sample_data = feature[index]
            sample_lable = label[index]
            model = DecisionTreeClassifier()
            model = model.fit(sample_data, sample_lable)
            self.models.append(model)
        #************* End **************#
    def predict(self, feature):
        '''
        :param feature:训练数据集所有特征组成的ndarray
        :return